[发明专利]一种基于极化SAR的自适应的农作物全生育期参数反演方法

说明书

本发明公开了一种基于极化SAR的自适应的农作物全生育期参数反演方法，包括如下步骤：S1：提取目标区域内各类植被指数和SAR特征参数；S2：设计一组实验，包含多种不同的水稻物候期划分情况；S3：建立基于蒙特卡洛随机抽样和相关性抑制的特征选择算法，得到最优特征矩阵；在最优特征矩阵中，包含了识别每一对物候期的最优特征子集；本发明中通过比较分析6种不同的物候期划分情况，最优的物候期识别方案是将水稻整个生长周期识别为8个物候期；本发明中首次构建了识别8个物候期的最优特征矩阵，其中包含识别任意两个物候期的最优特征子集。值得注意的是，对于插秧粕稻田和撒播粳稻田而言，识别物候期的最优特征子集是不同的。

技术领域

本发明属于农作物全生育期参数反演处理技术领域，具体为一种基于极化SAR的自适应的农作物全生育期参数反演方法。

背景技术

水稻农情监测包括很多方面。其中，水稻种植面积统计、物候期识别以及产量预报是三大主要的应用需求。准确掌握水稻(包括粕稻和粳稻)种植面积的最新信息对及时了解水稻种植分布，各级政府制定粮食生产政策，以及宏观调控水稻种植区划有着重要意义。水稻物候期识别有助于施肥、灌溉、除草防虫等田间管理活动的及时开展，为大范围、规模化精准农业提供技术支撑。同时，物候期信息不仅可以作为产量预报定量模型的必要输入，还可以为水稻田季节性甲烷排放定量模型提供重要信息，对全球环境变化等科学研究具有重要意义。结合水稻种植面积和物候期信息，对水稻产量进行周期性、准确性预报直接影响政府制定合理的粮食生产、调配与储运政策，为粮食价格的科学预测和管控提供重要依据；

传统的水稻农情监测方法一般都是基于对地面收集资料的统计分析，既浪费时间和财力，又无法保证监测结果的实时和准确。近年来，遥感技术以其覆盖广、重访周期短等特点逐渐取代了传统的野外田间观测法，引起了相关从业人员和管理部门的浓厚兴趣；为此，我们推出了一种基于极化SAR的自适应的农作物全生育期参数反演方法。

发明内容

本发明的目的在于：为了解决传统的水稻农情监测方法浪费时间和财力，又无法保证监测结果的实时和准确的技术问题，提供一种基于极化SAR的自适应的农作物全生育期参数反演方法。

本发明采用的技术方案如下：

一种基于极化SAR的自适应的农作物全生育期参数反演方法，其特征在于：包括如下步骤：

S1：提取目标区域内各类植被指数和SAR特征参数；

S2：设计一组实验，包含多种不同的水稻物候期划分情况；

S3：建立基于蒙特卡洛随机抽样和相关性抑制的特征选择算法，得到最优特征矩阵；在最优特征矩阵中，包含了识别每一对物候期的最优特征子集；

S4：以多类相关向量机(m RVM)为分类器识别不同的水稻物候期；

S5：使用二折交叉验证方法(two-fold cross-validation)进行精度验证，对比分析不同情况下的水稻物候期识别结果，提出水稻物候期识别最优方案；

S6：进一步讨论水稻物候期识别过程中的关键问题。

其中，所述S2中包含6种不同的水稻物候期划分情况，最优物候期识别方案是将水稻整个生长周期识别为8个物候期。

其中，所述S3包括如下步骤：S301、建立最优特征选择标准Pas；S302、蒙特卡洛随机抽样算法；S303、相关性抑制。

其中，所述S5中结合最优特征矩阵和最优特征的物理/数学意义，分析最优特征参数对不同物候期内水稻显著生长特征的响应机理。

其中，所述S4中为了得到最优的识别结果，考虑4种不同的核函数，对基于不同核函数的识别结果进行比较分析。